Real-World Evidence (RWE) – Aus Versorgungsdaten belastbare Erkenntnisse gewinnen
Inhalt
Was ist Real-World Evidence?
Real-World Evidence, kurz RWE, bezeichnet klinische Erkenntnisse, die aus der Analyse von Real-World Data entstehen. Solche Daten können beispielsweise aus Patientenakten, Registern oder Abrechnungsinformationen stammen. Die Datenquelle allein ist noch keine Evidenz; erst eine geeignete Fragestellung und Auswertung ermöglichen eine belastbare Schlussfolgerung.
RWE ist nicht automatisch mit einer bestimmten Studienform gleichzusetzen. Daten aus dem Versorgungsalltag können in unterschiedlichen Untersuchungsdesigns genutzt werden. Maßgeblich ist, ob die Methode die jeweilige Frage angemessen beantworten kann.
Welche Bedeutung hat RWE für Pharmaunternehmen?
Versorgungsdaten können Fragen beleuchten, die kontrollierte Zulassungsstudien nur teilweise abdecken. Dazu gehören etwa Versorgungspfade, die Anwendung in bestimmten Populationen oder längerfristige Beobachtungen. Ob eine Untersuchung für regulatorische oder Erstattungszwecke geeignet ist, muss im jeweiligen Kontext bewertet werden.
Für die Kommunikation bieten solche Ergebnisse eine zusätzliche Perspektive. Sie dürfen jedoch nicht pauschal als Beweis einer überlegenen Wirksamkeit dargestellt werden. Der tatsächliche Aussageumfang hängt von Design, Datenqualität und möglichen Verzerrungen ab.
Wie wird eine geeignete RWE-Untersuchung geplant?
Eine belastbare Planung beginnt mit der wissenschaftlichen Frage und nicht mit einer bereits verfügbaren großen Datenmenge.
- Frage definieren: Population, Behandlung, Vergleich und relevante Ergebnisse präzise beschreiben.
- Quelle prüfen: Abdeckung, Vollständigkeit, Messqualität und zulässige Nutzung der Daten beurteilen.
- Methode festlegen: Auswahlprozesse, Störfaktoren und fehlende Daten systematisch berücksichtigen.
- Ergebnisse berichten: Annahmen, Unsicherheit und Einschränkungen transparent neben den Befunden darstellen.
Ein zuvor festgelegter Analyseplan erleichtert die Nachvollziehbarkeit und reduziert den Spielraum für nachträgliche Auswahl günstiger Ergebnisse.
Welche Grenzen bestehen bei der Interpretation?
In nicht randomisierten Analysen können sich Behandlungsgruppen bereits vor Therapiebeginn unterscheiden. Ein beobachteter Zusammenhang kann deshalb durch andere Faktoren beeinflusst sein. Große Fallzahlen beseitigen solche systematischen Probleme nicht automatisch.
Zusätzlich müssen Datenschutz und Datenherkunft geklärt sein. Auch pseudonymisierte Gesundheitsdaten können weiterhin personenbezogen sein. Marketingteams sollten die Studie mit medizinischen und methodischen Fachpersonen einordnen und ihre Aussagen nicht über den untersuchten Zusammenhang hinaus erweitern.
Warum sich Behandlungsgruppen schon vorher unterscheiden können
Ein ausdrücklich vereinfachtes Beispiel: Eine Therapie wird vor allem bei schwerer erkrankten Menschen eingesetzt. Zeigen deren Routinedaten später mehr Krankenhauseinweisungen, lässt sich daraus nicht unmittelbar ein Nachteil der Therapie ableiten. Die Ausgangsschwere kann den Vergleich beeinflussen. Geeignete Analysen berücksichtigen solche Unterschiede; unbekannte oder nicht erfasste Einflussfaktoren können dennoch bleiben. Mehr Datensätze allein lösen dieses Problem nicht.
Fazit: Versorgungsdaten benötigen eine passende Methode
RWE kann das Verständnis der Versorgung erweitern. Ihr Wert entsteht aus einer präzisen Frage, geeigneten Daten und nachvollziehbarer Analyse. Für Pharma-Kommunikation zählt, Möglichkeiten und Grenzen gleich sorgfältig darzustellen und Beobachtungen nicht vorschnell als Kausalnachweis zu behandeln.
